0 引 言

現代測量系統中，傳感器的工作性能直接影響整個系統。由于受外界因素的影響，傳感器大多具有非線性特性，致使測量儀表或系統的輸入与輸出之間不能保証很好的線性關系。除了采取硬件補償電路外，對于軟件補償算法的研究受到更多的重視。由于受數据總線寬度和工作頻率的影響，軟件算法補償的研究更多是在計算机上仿真實現的，而現場的測量系統往往建立在單片微處理器的基礎上。微電子技術的迅速發展，使得集成電路設計和工藝技術水平得到很大的提高，片上系統(system on a programma-ble chip，SOPC)技術把系統的處理机制、模型算法和電路設計緊密結合，在單片芯片上實現复雜系統的全部功能。基于FPGA的SOPC技術，軟件算法修改和硬件平台結构調整都是在線可編程的，其靈活性和可靠性是其他單片微處理器無法比擬的。本文采用ALTERA公司提供的SOPC技術，研究傳感器的非線性軟件校正的算法實現。

1 非線性軟件校正原理

一個受多個參量影響的傳感器系統可表示為y=f(x，t1，t2，…，tk)，其中，x為待測目標參量，t1，t2，…，tk為k個非目標參量，y為傳感器輸出。為了消除非目標參量對傳感器輸出的影響，一般采用逆向建模的方法。實際測量的數据，由于受非目標參量的影響，它与目標參量之間的函數關系不再是線性的。逆向建模的目的是通過非線性映射，把非線性函數關系x=f-1(y，t1，t2，…，tk)向線性函數關系x=y／A逼近。在模型中，測量數据和非目標參量的測量值作為輸入，目標參量的線性值作為模型的輸出，按照一定的算法原則，不斷調整模型的參數，使得模型輸出誤差在允許的范圍之內。

在本系統中，選用模擬溫度傳感器AD590作為校正目標，數字溫度傳感器DS18B20測量值作為模型的期望輸出，气体傳感器TGS813測量值為非目標參量輸入。系統采用ALTERA公司CYCLONEⅡ系列的EP2C35F672 FPGA作為核心處理器，采用QUARTUS-Ⅱ自帶的SOPC Builder開發包作為算法的調試環境，在FPGA其內部實現測量數据的智能處理。

2 系統方案實現

2.1傳感器調理電路

AD590是美國模擬器件公司生產的單片集成兩端感溫電流源，流過器件的電流(μA)等于器件所處環境的熱力學溫度(K)度數，AD590隨溫度變化輸出的是電流信號，需要將其轉換為電壓信號。由于AD590靈敏度高，受環境的影響大，在使用前需要校正。在本文中，利用神經网絡算法對AD590的輸出進行了校正。

DS18B20是Dallas半導体公司推出的一線式數字化溫度傳感器，可以程序設定9∼12位的分辨力，精度為±0.5℃。本文采用外接電源模式，12 bit數据輸出格式。

TGS813是一种由SnO2材料組成的燒結体半導体气体傳感器，屬于一种廣譜性气敏元件，對多种气体敏感，對不被檢測气体不敏感；由于輸出電壓最高可以達到+9 V，而后級模擬數字轉換電路的輸入電壓不超過+5 V，所以，使用前需要調整分壓電阻器的阻值。

2.2模擬數字轉換電路

來自傳感器的模擬信號，在送入模擬數字轉換電路之前，由于器件的輸入阻抗比較低，而傳感器的輸出阻抗較高，不能直接把模擬信號送入模擬數字轉換電路。本文采用TLC279构成電壓跟隨器，實現阻抗變換。考慮到在FPGA實現的算法處理對數据的精度敏感，因此，系統選用了四路模擬量輸入的12 bit串行數据輸出的TLV2544作為模擬數字轉換電路的核心芯片。

TLV2544是TI公司生產的高性能12位低功耗、高速(3.6μs)CMOS模數轉換器，具有采樣一保持功能，電源電壓為2.7∼5.5V。TLV2544還具有3個輸入端和1個三態輸出端，可為最流行的微處理器串行端口(SPI)提供4線接口。器件在上電初始化時首先需要將初始化命令A000h寫入CFR配置寄存器，然后，對器件進行編程，其編程方法是在初始化命令A000h的低12位000h寫入編程數据以規定器件的工作方式。TLV2544具有4种轉換模式：單次模式、重复模式、掃描模式和重复掃描模式，可用模式00，01，10，11表示。圖1為TLV2544和單片机AT89C2051的接口電路。該電路采用外部基准，REFP与REFM之間接0.1μF和10μF2只去耦電容器。

各路信號送入微處理器AT89C2051，經串行口發送給系統板。微處理器的軟件設計主要是在接收到SOPC系統控制發送的采集命令(0x41H)，啟動TLV2544和DS18B20，將數据轉為ASCII碼發送。DS18B20和TLV2544都是12bit輸出，所以，每次發送9個ASCII碼，分別代表3個數据源的轉換結果。

2.3神經网絡校正算法

利用BP神經网絡實現非線性誤差軟件校正的文獻較多，但主要是基于PC机的仿真實驗。單片微處理器由于存儲容量和數据總線寬度的限制，网絡結构類型和計算精度只能控制在一定范圍之內。SOPC在大規模集成電路的基礎上，底層電路采用硬件描述語言實現，而軟件算法則在SOPC IDE調試環境下采用高級語言，如C語言實現。在本文中，SOPC系統板采用NIOS-Ⅱ軟核微處理器，32 bit總線，工作頻率為50 MHz，BP神經网絡采用動量法，在ALTERA公司提供的SOPC IDE調試環境下完成。算法處理結构如圖2所示。

本文采用三層前向网絡，輸入層神經元2個，分別代表溫度傳感器ADS90和气体傳感器TGS813輸入信號，DS18B20的測量值作為AD590的期望值，輸出層神經元1個，代表AD590的校正值。

本文共采集了70個樣本對數据作為神經网絡的輸入。神經网絡的訓練采樣動量自适應算法，剔除部分不符合要求的樣本，58個樣本作為訓練樣本，8個樣本作為測試樣本。BP神經网絡采用C語言編程實現，由于微處理器与PC机相比，在工作頻率和總線結构方面還存在很大差距，因此，在計算算法的誤差輸出時，本文采用的是各個訓練樣本的絕對誤差的累加和，而不是均方根誤差，這樣，可以避免大量的乘法和開方運算，否則，算法很難收斂。 作為BP神經网絡動量法的重要參數，如果學習率參數選擇的范圍比較窄，那么，网絡性能的隨机性特點就會非常明顯，不利于网絡的推廣應用。圖3是選擇不同的學習率時网絡輸出誤差的變化情況。測試條件是動量系數為0.9，增益為1，隱含層節點6個，算法停止迭代的判斷條件是輸出絕對誤差累加和小于0.01。

4 結論

基于FPGA的SOPC技術不同于IC芯片設計，它是把已有的模塊資源組合成一個系統，系統的功能直接由載体FPGA芯片實現；它又不同于傳統的基于單片微處理器的系統設計，因為SOPC系統的微處理器性能和外圍接口控制電路都是由用戶編程設定的，因此，采用SOPC技術可以節省成本，提高資源利用率，縮短開發周期和便于系統升級等特點。本文采用基于FPGA的SOPC技術研究了傳感器非線性軟件校正的問題。算法的測試結果証實了方法的可行性。